Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

建立Agent

Answer

以下是一些常见的 Agent 构建平台及相关信息：

  1. Coze：是新一代的一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具，能拓展 Bot 能力边界。
  2. Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。
  3. 文心智能体：百度推出的基于文心大模型的智能体（Agent）平台，支持开发者打造产品能力。
  4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。
  5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。
  6. 钉钉 AI 超级助理：依托钉钉强大场景和数据优势，在处理高频工作场景表现出色。

使用扣子 coze.cn 等平台创建智能体 Agent 的过程被创作者形象地比喻为“捏 Bot”，最简单的 Bot 往往 1 分钟内可完成。常见 Bot 有讲故事、减肥提醒、生成 PPT、真假新闻辨识、新闻资讯收集、扮演“甄嬛”等。国内外有多个可在几分钟内完成 Agent 创建的平台，如国内版扣子 coze.cn、海外版 Coze coze.com、百度 AppBuilder、阿里通义千问、智谱 AI 等，可先从扣子 coze.cn 开始。

AgentSims 是国产斯坦福 AI 小镇，在其框架中：

  • command 文件夹下包含所有对外接口，每个接口类实现 execute 方法作为 handler，有关键方法与接口。
  • 系统中有预设的 Agent 样例可选择，初始化沙箱世界时会选默认模板。
  • 游戏界面提供自行创建 Agent 的选项，可选择外观、名字、LLM、记忆系统、计划系统、最终目标、人物特征等，创建后信息保存到 mysql 中，后续可复用，系统宕机也可从数据库进行恢复。

以上信息由 AI 大模型生成，请仔细甄别，您可以根据自己的需求选择适合的平台进行进一步探索和应用。

Content generated by AI large model, please carefully verify (powered by aily)

References

问：有哪些好的Agent构建平台

[title]问：有哪些好的Agent构建平台以下是一些Agent构建平台：1.Coze：Coze是一个新一代的一站式AI Bot开发平台，适用于构建基于AI模型的各类问答Bot。它集成了丰富的插件工具，可以极大地拓展Bot的能力边界。2.Mircosoft的Copilot Studio：这个平台的主要功能包括外挂数据、定义流程、调用API和操作，以及将Copilot部署到各种渠道。3.文心智能体：这是百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据自身需求打造大模型时代的产品能力。4.MindOS的Agent平台：允许用户定义Agent的个性、动机、知识，以及访问第三方数据和服务或执行设计良好的工作流。5.斑头雁：这是一个2B基于企业知识库构建专属AI Agent的平台，适用于客服、营销、销售等多种场景。它提供了多种成熟模板，功能强大且开箱即用。6.钉钉AI超级助理：依托于钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能。这使得它在处理高频工作场景如销售、客服、行程安排等方面表现更加出色。以上信息提供了关于6个平台的概述，您可以根据自己的需求选择适合的平台进行进一步探索和应用。内容由AI大模型生成，请仔细甄别

1. 从案例入门

找三思做二十四节气海报https://www.coze.cn/store/bot/7382246186440359945作者：七个小扣子团队（一分钟捏的Bot）第一个Bothttps://www.coze.cn/store/bot/7386486483391234057作者：吕昭波[捏剧本-离谱村专用](https://www.coze.cn/store/bot/7374263128143708198)https://www.coze.cn/store/bot/7367669913697239052作者：Stuart

AgentSims | 国产斯坦福AI小镇——框架详解篇

系统中有预设的Agent样例可以选择，初始化沙箱世界时会选择默认模板在游戏界面提供了自行创建Agent的选项，可以选择外观、名字、LLM、记忆系统、计划系统、最终目标、人物特征等等，点击创建后信息会被保存到mysql中，后续可以进行复用，系统宕机也可从[数据库](https://cloud.tencent.com/solution/database?from_column=20065&from=20065)进行恢复

Others are asking
有关agent的介绍
AI Agent 是当前 AI 领域中较为热门的概念，被认为是大模型未来的主要发展方向之一。 从原理上看，中间的“智能体”通常是 LLM（语言模型）或大模型。为其增加的四个能力分别是工具、记忆、行动和规划。目前行业中主要使用 langchain 框架，将 LLM 与 LLM 之间以及 LLM 与工具之间通过代码或 prompt 的形式进行串接。例如，给大模型提供长期记忆，相当于给予一个数据库工具让其记录重要信息；规划和行动则是在大模型的 prompt 层进行逻辑设计，如将目标拆解并输出不同的固定格式 action 指令给工具。 从产品角度，Agent 可以有不同的设定。比如是一个历史新闻探索向导，身份为历史新闻探索向导，性格知识渊博、温暖亲切、富有同情心，角色是主导新闻解析和历史背景分析，还可以为其设计背景故事使其更加生动。 在人工智能领域，Agent 智能代理是一种能够感知环境并根据感知信息做出决策以实现特定目标的系统，能够自动执行任务，如搜索信息、监控系统状态或与用户交互。
2025-02-16
AIagent的发展方向
AI Agent 被认为是大模型未来的主要发展方向之一，其发展具有以下特点和阶段： 从原理上看，中间的“智能体”通常是 LLM 或大模型，为其增加了工具、记忆、行动、规划四个能力。目前行业里主要用到的是 langchain 框架，它通过代码或 prompt 的形式将 LLM 与 LLM 之间以及 LLM 与工具之间进行串接。 在人工智能的发展历程中，AI Agent 并非一蹴而就，其发展可分为几个阶段，并受到符号主义、连接主义、行为主义的影响。在人工智能的黎明时期，符号人工智能作为主导范式，以对符号逻辑的依赖著称，代表之作是基于知识的专家系统。其特点是基于逻辑和规则系统，使用符号来表示知识，通过符号操作进行推理。优点是推理过程明确、可解释性强，缺点是知识获取困难、缺乏常识、难以处理模糊性。时间为 20 世纪 50 70 年代。 近期出现的各类 AI 搜索引擎不断颠覆传统搜索引擎，如 perplexity.ai、metaso、360 搜索、ThinkAny 等。AI Agent 在辅助高效处理信息和简便信息表达方面表现出色，例如智能摘要能辅助快速筛选信息，自然语言描述可生成美观可用的图片。在工作流方面，每个人应根据自身情况找到适合的工具，如产品经理可使用 AI 进行用户画像、竞品调研、设计产品测试用例、绘制产品功能流程图等。关于 AI Agent 的未来，曾被认为异想天开的想法都可能成为现实，技术迭代会不断向前。
2025-02-15
AI Agent 或者 工作流， 落地的场景
以下是 AI Agent 或工作流的一些落地场景： Long horizon task 长期任务执行：Agent 能像称职的项目经理，分解大任务为小步骤，保持目标导向并适时调整策略。 多模态理解：Agent 能同时理解文字、图像、声音等多种交流方式，全方位感知世界和任务上下文。 记忆与行动：通过先进的记忆机制，Agent 能积累经验，记住对话、操作步骤和效果，行动更精准高效。 自适应学习：从每次交互中吸取经验，不断完善策略，实现“智慧成长”。 在技术层面，有两条技术路线：以自主决策为核心的 LLM 控制流和以工作流（Workflow）编排为重点的工具集成系统。Anthropic 提出的 MCP（Model Context Protocol）提供了通用接口协议，将外部资源抽象为“上下文提供者”，便于模型与外部世界交互。 工作流驱动的 Agent 搭建，简单情况分为 3 个步骤：规划，包括制定任务关键方法、总结目标与执行形式、分解子任务等；实施，在 Coze 上搭建框架并分步构建和测试功能；完善，全面评估并优化效果。 典型例子如利用 Kimi Chat 进行网页搜索和总结分析。 包括 Agent 自行规划任务执行的工作流路径，适用于简单或线性流程。 多 Agent 协作，如吴恩达通过开源项目 ChatDev 举例，让大语言模型扮演不同角色共同开发应用或复杂程序。 OpenAI 研究主管 Lilian Weng 提出 Agent 的基础架构为“Agent=LLM+规划+记忆+工具使用”，规划包括子目标分解、反思与改进。
2025-02-15
腾讯agent开发
AppAgent 是由腾讯开发的一种基于大型语言模型（LLM）的多模态 Agent 框架。 其主要特点和功能包括： 多模态代理：能够处理和理解多种类型的信息（如文本、图像、触控操作等）。 直观交互：通过模仿人类的直观动作（如点击和滑动屏幕）来与手机应用程序交互，能够在手机上执行各种任务，例如在社交媒体上发帖、帮用户撰写和发送邮件、使用地图、在线购物，甚至进行复杂的图像编辑等。 对于之后模仿数据的反利用也有不错的应用场景，例如互联网或 AI 或涉及到原型+UE 的工作都可以在基于模仿数据的基础上进行反推，进而让设计出的产品原型和 UE 交互更优解。 AppAgent 在 50 个任务上进行了广泛测试，涵盖了 10 种不同的应用程序。该项目由腾讯和德州大学达拉斯分校的研究团开发。 相关链接： 官方网站：https://appagentofficial.github.io 相关报道：https://x.com/xiaohuggg/status/1738083914193965528?s=20
2025-02-14
什么是Agent
Agent（智能体）是一种能够在环境中自主感知、思考并采取行动以实现特定目标的实体。它可以是软件程序，也可以是硬件设备。 从产品角度来看，比如我们的 Agent 可以是一个历史新闻探索向导，具有知识渊博、温暖亲切、富有同情心的性格，主导新闻解析和历史背景分析。为使角色更生动，可设计背景故事，明确其起源、经历和动机，定义性格特点、说话方式和风格，以及设计对话风格和角色技能。 在结合大型语言模型（LLM）的情况下，LLM Agent 能够利用大型语言模型的自然语言处理能力，理解用户的输入，并在此基础上进行智能决策和行动。其组成部分包括规划（负责将复杂任务分解成可执行的子任务，并评估执行策略）、记忆（包括短期记忆用于存储对话上下文，长期记忆存储用户特征和业务数据）、工具（如 API 调用、插件扩展等辅助手段）和行动（将规划和记忆转换为具体输出，包括与外部环境的互动或工具调用）。 在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，还包括规划（子目标分解、反思完善）、记忆（短期记忆、长期记忆）和工具使用（调用外部 API 获取额外信息）等方面。
2025-02-14
什么是agent
Agent（智能体）在人工智能和计算机科学领域是一个重要概念，指能够感知环境并采取行动以实现特定目标的实体，可以是软件程序或硬件设备。 从产品角度看，比如我们的 Agent 可以是一个历史新闻探索向导，具有知识渊博、温暖亲切、富有同情心的性格，主导新闻解析和历史背景分析，为使其角色更生动，可设计背景故事，明确角色背景和身份、性格和语气、互动方式、技能等。 在结合大型语言模型（LLM）的情况下，LLM Agent 是指结合大型语言模型和自主智能体特性的系统，能够利用大型语言模型的自然语言处理能力，理解用户输入，并进行智能决策和行动。其组成部分包括规划（负责将复杂任务分解成可执行的子任务，并评估执行策略）、记忆（包括短期记忆用于存储对话上下文，长期记忆存储用户特征和业务数据）、工具（如 API 调用、插件扩展等辅助手段）、行动（将规划和记忆转换为具体输出，包括与外部环境的互动或工具调用）。 在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，还包括规划（子目标分解、反思完善）、记忆（短期记忆、长期记忆）、工具使用（调用外部 API 获取额外信息）等方面。
2025-02-12
怎么建立自己的知识库
要建立自己的知识库，可以参考以下两种方法： 方法一：用 GPT 打造个人知识库 1. 理解 embeddings： Embeddings 是一个浮点数字的向量（列表），两个向量之间的距离衡量它们的关联性。小距离表示高关联度，大距离表示低关联度。 向量是数学中表示大小和方向的一个量，通常用一串数字表示。在计算机科学和数据科学中，向量通常用列表（list）来表示。 向量之间的距离是一种度量两个向量相似性的方法，最常见的是欧几里得距离。 2. 使用 embeddings： 将大文本拆分成若干个小文本块（chunk），通过 embeddings API 将小文本块转换成 embeddings 向量。 在一个地方（向量储存库）中保存这些 embeddings 向量和文本块，作为问答的知识库。 当用户提出一个问题时，该问题先通过 embeddings API 转换成问题向量，然后将这问题向量与向量储存库的所有文本块向量比对，查找距离最小的几个向量，把这几个向量对应的文本块提取出来，与原有问题组合成为新的 prompt（问题/提示词），发送给 GPT API。 方法二：用 Coze 免费打造自己的微信 AI 机器人 1. 设计你的 AI 机器人： 确定功能范围。 编写【prompt】提示词，设定 Bot 的身份和目标。 2. 创建知识库： 整理“关键字”与“AI 相关资料链接”的对应关系，并将信息存储起来。 创建知识库路径：个人空间 知识库 创建知识库。 知识库文档类型支持：本地文档、在线数据、飞书文档、Notion 等，本次使用【本地文档】。 按照操作指引上传文档、分段设置、确认数据处理。 小技巧：知识库好不好用，跟内容切分粒度有很大关系，可以在内容中加上一些特殊分割符，比如“”，以便于自动切分数据。分段标识符号要选择“自定义”，内容填“”。最终的知识库结果中，同一颜色代表同一个数据段，如果内容有误需要编辑，可以点击具体内容，鼠标右键会看到“编辑”和“删除”按钮，可以编辑或删除。
2025-02-14
建立本地AI知识库有什么意义
建立本地 AI 知识库具有以下重要意义： 1. 灵活掌控：通过使用像 AnythingLLM 这样的软件，可以对知识库进行更灵活的管理和操作。例如选择文本嵌入模型、向量数据库等。 2. 数据隔离：在 AnythingLLM 中创建独有的 Workspace，能与其他项目数据进行隔离，保障数据的独立性和安全性。 3. 多样对话模式：提供 Chat 模式和 Query 模式。Chat 模式综合大模型训练数据和上传文档数据给出答案，Query 模式仅依靠文档数据回答。 4. 深入理解技术：虽然大多数人不需要自行部署大模型，但通过本地部署和搭建知识库的实操，可以更深入地了解相关技术，如 RAG 技术，包括其文档加载、文本分割、存储、检索和输出等过程，以及文本加载器的作用。 5. 个性化定制：可以根据个人需求上传文档并进行文本嵌入，实现个性化的知识储备和应用。 6. 测试与优化：完成配置后可进行对话测试，不断优化和改进知识库的性能和回答质量。
2025-02-14
如何建立自己知识库
建立自己的知识库可以参考以下方法： 1. 利用 GPT 打造个人知识库： 给 GPT 输入（投喂）定制化的知识，但需注意 GPT3.5（即当前免费版的 ChatGPT）一次交互（输入和输出）只支持最高 4096 个 Token，约等于 3000 个单词或 2300 个汉字，容量对于绝大多数领域知识可能不够。 OpenAI 提供了 embedding API 解决方案，embeddings 是一个浮点数字的向量（列表），两个向量之间的距离衡量它们的关联性，小距离表示高关联度，大距离表示低关联度。向量是数学中表示大小和方向的一个量，通常用一串数字表示，在计算机科学和数据科学中，向量通常用列表（list）来表示。向量之间的距离是一种度量两个向量相似性的方法，最常见的是欧几里得距离。 可以先把大文本拆分成若干个小文本块（也叫 chunk)，通过 embeddings API 将小文本块转换成 embeddings 向量，这个向量跟文本块的语义相关。在一个地方（向量储存库）中保存这些 embeddings 向量和文本块，作为问答的知识库。当用户提出一个问题时，该问题先通过 embeddings API 转换成问题向量，然后将这问题向量与向量储存库的所有文本块向量比对，查找距离最小的几个向量，把这几个向量对应的文本块提取出来，与原有问题组合成为新的 prompt，发送给 GPT API。 2. 本地部署大模型以及搭建个人知识库： 利用大模型的能力搭建知识库本身就是一个 RAG 技术的应用，在进行本地知识库的搭建实操之前，需要先对 RAG 有一个大概的了解。 RAG 应用包括文档加载（从多种不同来源加载文档，LangChain 提供了 100 多种不同的文档加载器）、文本分割（把 Documents 切分为指定大小的块）、存储（将切分好的文档块进行嵌入转换成向量的形式，并将 Embedding 后的向量数据存储到向量数据库）、检索（通过某种检索算法找到与输入问题相似的嵌入片）、Output（把问题以及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示一起来生成更加合理的答案）。 文本加载器就是将用户提供的文本加载到内存中，便于进行后续的处理。
2025-02-13
如何用ai建立自己的知识库？
以下是用 AI 建立自己知识库的方法： 1. 使用 GPT 建立： 将大文本拆分成若干小文本块（chunk）。 通过 embeddings API 将小文本块转换成与语义相关的 embeddings 向量，并在向量储存库中保存这些向量和文本块作为问答的知识库。 当用户提出问题时，将问题转换成问题向量，与向量储存库中的文本块向量比对，提取距离最小的几个向量对应的文本块，与问题组合成新的 prompt 发送给 GPT API。 例如，对于一篇万字长文，拆分成多个文本块，如“文本块 1：本文作者：越山。xxxx。”等，当提问“此文作者是谁？”时，通过比较 embeddings 向量，提取关联度高的文本块发送给 GPT API 回答问题。 2. 使用 Coze 建立： 确定功能范围，编写 prompt 提示词，设定 Bot 的身份和目标。 创建知识库，整理“关键字”与“AI 相关资料链接”的对应关系，并将信息存储起来。创建知识库路径为：个人空间 知识库 创建知识库。支持的文档类型包括本地文档、在线数据、飞书文档、Notion 等，本次可使用本地文档。按照操作指引上传文档、分段设置、确认数据处理。小技巧：在内容中加上特殊分割符“”，分段标识符号选择“自定义”，内容填“”，以便于自动切分数据。 创建工作流，告诉 AI 机器人按流程处理信息。创建工作流路径为：个人空间 工作流 创建工作流。工作流设计好后，先点击右上角“试运行”，测试无误后点击发布。如果任务和逻辑复杂，可以结合左边“节点”工具来实现，如调用大模型总结分析知识库内容、调用数据库存储用户输入信息、调用代码处理复杂逻辑等。个人建议：工作流不必复杂，能实现目的即可，所以在设计 Bot 前“确定目的”和“确定功能范围”很重要。
2025-02-13
利用deep seek建立知识库应用
以下是关于利用 deep seek 建立知识库应用的相关内容： RAG 技术： 利用大模型的能力搭建知识库是 RAG 技术的应用。在需要依靠不包含在大模型训练集中的数据时，主要通过检索增强生成 RAG 实现。RAG 应用可抽象为 5 个过程： 1. 文档加载：从多种来源加载文档，LangChain 提供 100 多种文档加载器，包括非结构化、结构化数据和代码等。 2. 文本分割：文本分割器把文档切分为指定大小的块。 3. 存储：包括将切分好的文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 4. 检索：通过检索算法找到与输入问题相似的嵌入片。 5. 输出：把问题及检索出来的嵌入片提交给 LLM，生成更合理答案。 创建知识库应用的具体步骤： 1. 地址输入浏览器：http://这里替换为你宝塔左上角的那一串:3000/ 2. 进入后，点击应用并创建，选择 qwen 模型。 3. 创建知识库。点击知识库 选择 qwen Embedding 1 点击确认创建。 4. 上传文件，等待处理，文本状态为“已就绪”即可。 5. 回到创建的应用，关联创建的知识库。 6. 点击两个发布，之前第一个叫做保存。 7. 点击新建，创建 key。创建后保存同时将 API 根地址最后加上/v1 并保存下来。 此外，在安装并接入 cow 方面： 1. 回到宝塔，打开【终端】。 2. 依次粘贴并回车：cd/root 、git clone https://github.com/zhayujie/chatgptonwechat （注意粘贴完整）。 3. 出现特定样子表示成功，失败或无反应则刷新重试。 4. 继续依次输入：cd chatgptonwechat/ 、pip install r requirements.txt 。 5. 等待执行完成后，继续粘贴：pip install r requirementsoptional.txt 。 6. 到“文件”菜单中执行，点击文件 找到 root，进入 root 文件夹，找到 chatgptonwechat 文件夹并进入。
2025-02-10
怎么建立一个ai软件
建立一个 AI 软件通常是一个复杂且高度实验性的过程，以下是一些常见的步骤和要点： 1. 明确项目需求和目标：确定您希望 AI 软件实现的具体功能和应用场景。 2. 数据准备： 收集相关的标签数据，这可能需要一定的时间。 3. 技术选型和团队协作： 考虑寻找专业的人工智能团队来协助。 4. 模型训练： 让人工智能模型学习如何根据输入来输出相应的结果。 5. 部署和运行： 找到合适的云服务来部署和运行模型。 对于一些特定的 AI 应用，如 Coze 的 AI 应用，其架构与网页应用类似，需要关注以下方面： 1. 前端页面： 构建页面的布局，确定组件构成及其关系。 2. 数据处理： 处理前端页面用户输入的文字或上传的图片。 3. 数据传输和返回： 前端页面将数据传递给工作流或插件，工作流处理后的数据返回前端展示或保存到数据库/知识库中。 在具体的案例中，如 AI 翻译应用，需要掌握前端的基本结构、数据提交和传递以及工作流数据的返回展示等内容。 总之，建立 AI 软件需要不断地实验、操作、尝试、调整，以满足项目的需求和目标。
2025-02-09